Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19
Αν έχουμε ένα σύνολο μεταβλητών βάση του οποίου προσπαθούμε να εξηγήσουμε την συμπεριφορά μιας μεταβλητής που μας ενδιαφέρει και αν αυτές τις μεταβλητές μπορούμε να τις ελέγχουμε εμείς, τότε μπορούμε να παρατηρήσουμε πως οι αλλαγές που επιβάλλονται από μέρους μας αλληλεπιδρούν με την μεταβλητή ενδια...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15320 |
| id |
nemertes-10889-15320 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Ανάλυση παλινδρόμησης Πολλαπλή γραμμική παλινδρόμηση Παράγοντες περιορισμού Δεδομένα χρονοσειρών Regression analysis Multiple linear regression Restriction factors Time series data Covid-19 |
| spellingShingle |
Ανάλυση παλινδρόμησης Πολλαπλή γραμμική παλινδρόμηση Παράγοντες περιορισμού Δεδομένα χρονοσειρών Regression analysis Multiple linear regression Restriction factors Time series data Covid-19 Κολοκούρης, Ιωάννης Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| description |
Αν έχουμε ένα σύνολο μεταβλητών βάση του οποίου προσπαθούμε να εξηγήσουμε την συμπεριφορά μιας μεταβλητής που μας ενδιαφέρει και αν αυτές τις μεταβλητές μπορούμε να τις ελέγχουμε εμείς, τότε μπορούμε να παρατηρήσουμε πως οι αλλαγές που επιβάλλονται από μέρους μας αλληλεπιδρούν με την μεταβλητή ενδιαφέροντος.
Αυτή είναι και η προσέγγιση που χρησιμοποιήθηκε για τους παράγοντες περιορισμού, ή αλλιώς τα μέτρα και τις διαβαθμίσεις τους, που τέθηκαν σε ισχύ από την κυβέρνηση της χώρας ενδιαφέροντος και την επίδραση που είχαν στην εκάστοτε μεταβλητή ενδιαφέροντος μέσω των επιπέδων των παραγόντων περιορισμού που χρησιμοποιήθηκαν κατά την διάρκεια της πανδημίας του Covid-19.
Σε αυτήν την εργασία χρησιμοποιήθηκε ένα σύνολο δεδομένων που συγκέντρωσε μετρήσεις για τις μεταβλητές ενδιαφέροντος και κατέγραφε τα επίπεδα των παραγόντων περιορισμού τα οποία βρίσκονταν σε ισχύ κατά την διάρκεια της πανδημίας. Σε αυτά τα δεδομένα εφαρμόσαμε το μοντέλο της Πολλαπλής Γραμμικής Παλινδρόμησης, για την αξιολόγηση των παραγόντων περιορισμού, στην γλώσσα προγραμματισμού R.
Όσον αφορά τη δομή της συγκεκριμένης εργασίας, στο πρώτο κεφάλαιο γίνεται μια προσπάθεια ανάπτυξης του απλού γραμμικού μοντέλου όπου γίνεται μια εισαγωγή στην ανάλυση παλινδρόμησης μέσω του απλού γραμμικού μοντέλου όπου αναλύουμε τις υποθέσεις, τις μεθόδους εκτίμησης των παραμέτρων του μοντέλου αλλά και τους τρόπους που μπορούμε να ελέγξουμε την απόδοση και τις υποθέσεις του μοντέλου ώστε αυτό να θεωρείται έγκυρο. Στο δεύτερο κεφάλαιο της εργασίας αναπτύσσουμε το πολλαπλό γραμμικό μοντέλο παλινδρόμησης, το οποίο αποτελεί μια γενίκευση του απλού γραμμικού μοντέλου για την περίπτωση που χρησιμοποιούνται άνω της μιας ανεξάρτητες μεταβλητές. Στο τρίτο κεφάλαιο παρουσιάζονται δύο μέθοδοι για την επιλογή των κατάλληλων μεταβλητών για το μοντέλο. Τέλος, στο τέταρτο κεφάλαιο κάνουμε αρχικά μια περιγραφή του συνόλου δεδομένων που χρησιμοποιήθηκε και περιγράφουμε το μοντέλο το οποίο χρησιμοποιήθηκε. Στην συνέχεια του τέταρτου κεφαλαίου παρουσιάζουμε τα αποτελέσματα που προέκυψαν από την εφαρμογή δύο μοντέλων, τα οποία και σχολιάζουμε έτσι ώστε να μπορέσουμε να οδηγηθούμε σε κάποια συμπεράσματα αναφορικά με την επίδραση των παραγόντων περιορισμού στις μεταβλητές ενδιαφέροντος από τα δεδομένα χρονοσειρών για την ασθένεια Covid-19. |
| author2 |
Kolokouris, Ioannis |
| author_facet |
Kolokouris, Ioannis Κολοκούρης, Ιωάννης |
| author |
Κολοκούρης, Ιωάννης |
| author_sort |
Κολοκούρης, Ιωάννης |
| title |
Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| title_short |
Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| title_full |
Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| title_fullStr |
Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| title_full_unstemmed |
Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| title_sort |
η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/15320 |
| work_keys_str_mv |
AT kolokourēsiōannēs ēepidrasētōnparagontōnperiorismoustischronoseirestoucovid19 AT kolokourēsiōannēs theeffectofrestrictionfactorsoncovid19timeseries |
| _version_ |
1771297275902951424 |
| spelling |
nemertes-10889-153202022-09-05T20:49:46Z Η επίδραση των παραγόντων περιορισμού στις χρονοσειρές του covid-19 The effect of restriction factors on covid-19 time series Κολοκούρης, Ιωάννης Kolokouris, Ioannis Ανάλυση παλινδρόμησης Πολλαπλή γραμμική παλινδρόμηση Παράγοντες περιορισμού Δεδομένα χρονοσειρών Regression analysis Multiple linear regression Restriction factors Time series data Covid-19 Αν έχουμε ένα σύνολο μεταβλητών βάση του οποίου προσπαθούμε να εξηγήσουμε την συμπεριφορά μιας μεταβλητής που μας ενδιαφέρει και αν αυτές τις μεταβλητές μπορούμε να τις ελέγχουμε εμείς, τότε μπορούμε να παρατηρήσουμε πως οι αλλαγές που επιβάλλονται από μέρους μας αλληλεπιδρούν με την μεταβλητή ενδιαφέροντος. Αυτή είναι και η προσέγγιση που χρησιμοποιήθηκε για τους παράγοντες περιορισμού, ή αλλιώς τα μέτρα και τις διαβαθμίσεις τους, που τέθηκαν σε ισχύ από την κυβέρνηση της χώρας ενδιαφέροντος και την επίδραση που είχαν στην εκάστοτε μεταβλητή ενδιαφέροντος μέσω των επιπέδων των παραγόντων περιορισμού που χρησιμοποιήθηκαν κατά την διάρκεια της πανδημίας του Covid-19. Σε αυτήν την εργασία χρησιμοποιήθηκε ένα σύνολο δεδομένων που συγκέντρωσε μετρήσεις για τις μεταβλητές ενδιαφέροντος και κατέγραφε τα επίπεδα των παραγόντων περιορισμού τα οποία βρίσκονταν σε ισχύ κατά την διάρκεια της πανδημίας. Σε αυτά τα δεδομένα εφαρμόσαμε το μοντέλο της Πολλαπλής Γραμμικής Παλινδρόμησης, για την αξιολόγηση των παραγόντων περιορισμού, στην γλώσσα προγραμματισμού R. Όσον αφορά τη δομή της συγκεκριμένης εργασίας, στο πρώτο κεφάλαιο γίνεται μια προσπάθεια ανάπτυξης του απλού γραμμικού μοντέλου όπου γίνεται μια εισαγωγή στην ανάλυση παλινδρόμησης μέσω του απλού γραμμικού μοντέλου όπου αναλύουμε τις υποθέσεις, τις μεθόδους εκτίμησης των παραμέτρων του μοντέλου αλλά και τους τρόπους που μπορούμε να ελέγξουμε την απόδοση και τις υποθέσεις του μοντέλου ώστε αυτό να θεωρείται έγκυρο. Στο δεύτερο κεφάλαιο της εργασίας αναπτύσσουμε το πολλαπλό γραμμικό μοντέλο παλινδρόμησης, το οποίο αποτελεί μια γενίκευση του απλού γραμμικού μοντέλου για την περίπτωση που χρησιμοποιούνται άνω της μιας ανεξάρτητες μεταβλητές. Στο τρίτο κεφάλαιο παρουσιάζονται δύο μέθοδοι για την επιλογή των κατάλληλων μεταβλητών για το μοντέλο. Τέλος, στο τέταρτο κεφάλαιο κάνουμε αρχικά μια περιγραφή του συνόλου δεδομένων που χρησιμοποιήθηκε και περιγράφουμε το μοντέλο το οποίο χρησιμοποιήθηκε. Στην συνέχεια του τέταρτου κεφαλαίου παρουσιάζουμε τα αποτελέσματα που προέκυψαν από την εφαρμογή δύο μοντέλων, τα οποία και σχολιάζουμε έτσι ώστε να μπορέσουμε να οδηγηθούμε σε κάποια συμπεράσματα αναφορικά με την επίδραση των παραγόντων περιορισμού στις μεταβλητές ενδιαφέροντος από τα δεδομένα χρονοσειρών για την ασθένεια Covid-19. If there is a set of variables in our use, based on which we try to explain the behaviour of another variable of interest and if we can control those variables, then we can observe how the changer enforced by our part interact with the variable in which we are interested in. That is the approach used for the constraint factors, or else the measures and their levels, which were put into effect by the country of interest and the effect they had on the respective variable of interest through the levels of the constraint factors used during the Covid-19 pandemic. This thesis used a data set that collected measurements of the variables of interest and recorded the levels of limiting factors that were in effect during the pandemic. In these data set we applied the Multiple Linear Regression model, for the evaluation of the limiting factors, by using the R programming language. As for the structure of this thesis. In the first chapter, an attempt is made to develop the simple linear regression model as an introduction to regression analysis where through the linear regression model we analyze the hypotheses, methods for estimating model parameters and the ways we can check the performance and assumptions of the model, so that it is considered valid. In the second chapter of this thesis, we develop the multiple linear regression model which is a generalization of the simple linear model for the case where more than one independent variable is used. The third chapter presents two methods for selecting the appropriate variables for the model. Finally, in the fourth chapter we first make a description of the data set used and also provide a description for the model that was used. Continuing with the fourth chapter, we present the results obtained from the application of two models, on which we comment upon so that we can state our conclusions regarding the effect of the limiting factors on the variables of interest from the time series data for Covid-19. 2021-10-14T05:58:45Z 2021-10-14T05:58:45Z 2021-09-22 http://hdl.handle.net/10889/15320 gr application/pdf |
