Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
2 results
Search Results
Item Economic Determinants of Smart and Sustainable Urban Development: What Answers Does the Cities in Motion Index Give?(Academic Research and Publishing UG, 2024) Mańka-Szulik, M.; Койбічук, Віталія Василівна; Koibichuk, Vitaliia Vasylivna; Mogilina, A.Мета статті - визначити, які складові сталого та розумного розвитку міських територій є найбільш важливими для економіки міста. Для цього застосовано регресійний, кластерний та дискримінантний аналіз з використанням даних рейтингових позицій 180 міст світу за індексом Cities in Motion Index (CIMI) та його складових за 2022 рік. Для розрахунків використано програмні пакети Stata та Statgraphics 19. Статистичну значущість вхідних даних підтверджено за допомогою методів описової статистики, а нормальність розподілу даних визначено за критерієм Шапіро-Уілка. Проведено регресійний аналіз (на основі методу найменших квадратів) впливу інтегрального значення СІМІ та його складових (Людський капітал, Соціальна згуртованість, Навколишнє середовище, Врядування, Міське планування, Міжнародний профіль, Технології, Мобільність і транспорт) на його першу складову - Економіку. Він свідчить, що лише чотири індикатори мають статистично значущий вплив: "Міста в русі", "Навколишнє середовище", "Міське планування" та "Міжнародний профіль". Множинна регресія, побудована з використанням процедури суворого відбору, підтверджує ці висновки, а дискримінантний аналіз доводить, що коефіцієнти рівняння регресії використовуються для прогнозування змінної "Економіка". Аналіз кореляційних матриць Спірмена та Кендалла свідчить про тісний зв'язок між показниками "Економіка", "Людський капітал", "Управління" та "Міста в русі"; пряму залежність між "Міста в русі" та такими показниками, як "Технології", "Міське планування" та "Міжнародний профіль"; середній прямий зв'язок між "Економікою", "Соціальною згуртованістю" та "Мобільністю і транспортом". Кластерний аналіз з використанням методу k-середніх у програмному середовищі R Studio дозволив виокремити вісім кластерів міст відповідно до їх рейтингових позицій за різними параметрами індексу CIMI (їх кількість розраховано за формулою Стерджесса, а оптимальність їх кількості підтверджено схемою агломерації за методом Уорда). Для міст першого кластеру (17 міст, 9,44% від загальної кількості проаналізованих, переважно світові столиці) найбільший вплив на компонент "Економіка" має "Міста в русі", менший - "Мобільність і транспорт"; для міст другого кластеру (23 міста, 12. 78%, переважно великі міста США та Китаю) найбільший вплив має "Технології"; для міст третього кластеру (35 міст, 19,44%, переважно потужні регіональні центри) - "Міста в русі", "Міжнародний профіль", "Мобільність і транспорт", "Соціальна згуртованість" та "Міське планування"; для четвертого (9 міст, 5%) та п'ятого кластерів (6 міст, 3. 33%) регресії не є значущими, тому ці кластери потребують подальшого вивчення для кожного міста окремо; для міст шостого кластеру (33 міста, 18, 33%, переважно розвинені європейські міста) найбільш важливими є "Міста в русі", "Навколишнє середовище", "Управління", "Мобільність і транспорт", "Соціальна згуртованість" та "Міське планування"; для міст сьомого кластеру (10 міст, 5. 56%) - "Людський капітал", "Соціальна згуртованість" та "Технології"; для міст восьмого кластеру (47 міст, 26,11%, переважно міста, що стикаються з економічними перешкодами для свого розвитку) - "Міста в русі", "Навколишнє середовище", "Технології" та "Міське планування". Дискримінантний аналіз показує, що найбільший вплив на розподіл кластерів на групи має індикатор "Навколишнє середовище".Item Green Supply Chain Management: The effect of procurement sustainability on reverse logistics(MDPI, 2023) Летуновська, Наталія Євгенівна; Letunovska, Nataliia Yevhenivna; Offei, F. A.; Amoh, P.J.; Люльов, Олексій Валентинович; Liulov, Oleksii Valentynovych; Пімоненко, Тетяна Володимирівна; Pimonenko, Tetiana Volodymyrivna; Квілінський, Олексій Станіславович; Kwilinski, AleksyЕкологічні закупівлі передбачають врахування соціальних і екологічних факторів разом із фінансовими під час ухвалення рішень щодо закупівель товарів і послуг, які враховують соціальний, економічний і екологічний вплив таких закупівель на людей і громади. Це дослідження було проведено, щоб розглянути вплив стійкості закупівель на зворотну логістику. Було сформовано чотири цілі дослідження: встановити взаємозв’язок між екологічною стійкістю закупівель і зворотною логістикою, проаналізувати взаємозв’язок між економічною стійкістю закупівель і зворотною логістикою, здійснити дослідження взаємозв’язку між соціальною стійкістю закупівель і зворотною логістикою, а також дослідити сповільнювальну роль державної політики. Для дослідження здійснено моделювання структурних рівнянь для перевірки гіпотез дослідження. Була використана методика цілеспрямованого відбору проб. Для збору первинних даних використовувалася структурована анкета. Дослідження виявило, що екологічна, економічна та соціальна стійкість закупівель має значний позитивний вплив на зворотну логістику. Урядова політика пом’якшує зв’язок між екологічною, економічною та соціальною стійкістю закупівель і зворотною логістикою.