Πλοήγηση ανά Επιβλέποντα "Ioannidis, Evaggelos"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω

Τώρα δείχνει 1 - 2 από 2

Comparison of seasonally adjusted time series for composite (aggregated) quantities
(2022-08-31) Στιβακτά, Πετρίνα; Stivakta, Petrina; Athens University of Economics and Business, Department of Statistics; Vrontos, Ioannis; Livada, Alexandra; Ioannidis, Evaggelos
Η παρούσα διατριβή δείχνει πώς να προσαρμόσουμε εποχικά συγκεντρωτικές χρονοσειρές με τη χρήση του προγράμματος TRAMO/SEATS, το οποίο υποστηρίζεται από το λογισμικό JDemetra+. Με την εποχική προσαρμογή μια συγκεντρωτική σειρά μπορεί να προσαρμοστεί εποχικά είτε άμεσα είτε έμμεσα με την προσαρμογή των συνιστωσών της και την πρόσθεση των αποτελεσμάτων. Περιγράφουμε τις βασικές αρχές του TRAMO/SEATS, καθώς και τις δύο προσεγγίσεις εποχικής προσαρμογής. Στη συνέχεια, πραγματοποιούμε εποχική προσαρμογή του Δείκτη Βιομηχανικής Παραγωγής της Ελλάδας χρησιμοποιώντας την άμεση και έμμεση προσέγγιση για δύο πιθανά μοντέλα, το ένα με λογαριθμικό μετασχηματισμό των δεδομένων και το άλλο χωρίς μετασχηματισμό. Η επιλογή μεταξύ άμεσης και έμμεσης εποχικής προσαρμογής γίνεται λαμβάνοντας υπόψη την ποιότητα των εποχικά προσαρμοσμένων δεδομένων, τη συνέπεια μεταξύ των δύο προσεγγίσεων και το μέγεθος των αναθεωρήσεων. Είναι ενδιαφέρον ότι οι δύο προσεγγίσεις παρέχουν σχεδόν παρόμοια αποτελέσματα για τα δύο μοντέλα, ωστόσο όσον αφορά τα μέτρα τραχύτητας (Gómez και Maravall (1999)) και τις αναθεωρήσεις, φαίνεται ότι η άμεση μέθοδος προτιμάται έναντι της έμμεσης και για τα δύο μοντέλα.
Energy efficiency in E.U.: a stochastic frontier approach
(2018-07-13) Jonuzaj, Mariol A.; Γιονουζάι, Μάριολ A.; Athens University of Economics and Business, Department of Statistics; Yannacopoulos, Athanasios; Livada, Alexandra; Ioannidis, Evaggelos
During the last decades, huge improvements on energy efficiency are occurring across the European Union. Energy Efficiency policies are delivering in terms of reducing consumption, safeguarding Europe’s security of supply, reducing CO2 emissions, creating jobs and saving money for consumers. All this brings monetary and non-monetary benefits to Europe’s industry and consumers. Hence, measuring and evaluating the energy efficiency progress seems to be of great importance for the EU authorities. In order to assess the improvements in energy efficiency, a typical indicator used is the Energy Intensity, defined as the ratio of Gross Inland Energy Consumption to GDP (Eurostat and EEA). Energy Intensity can be considered as a proxy of the energy efficiency of a nation’s economy and shows how much energy is needed to produce a Unit of GDP. Nevertheless, the last years, there is a growing concern about the effectiveness of this indicator and a doubt on how well the Energy Intensity can measure the actual level of energy efficiency in each county. For this reason, many new econometric approaches have been proposed during the last years. In particular, the Stochastic Frontier Approach has been in the spotlight of many researchers in order to estimate the energy efficiency. For this reason, in this study, we employ three parametric Stochastic Frontier models which were recently introduced for the first time in energy economics literature. More specifically, we estimate and evaluate the energy efficiency of the energy consumption in the 28 EU member states from 1990 to 2016. We employ two SF models with no distributional assumptions (LSDV model & STV model) and one with distribution assumption (SF model with Half Normal inefficiency distribution).