Search

يهدف هذا البحث إلى دراسة العلاقة بين المتغيرات الديموغرافية الصناعية حيث يعتبر قطاع الصناعة من أهم القطاعات الاقتصادية السورية وأكثرها تشغيلا للعمالة, وبين مدخلات هذا القطاع بشكل خاص و مدخلات باقي القطاعات الاقتصادية. تم التوصل إلى عدة نتائج أهمها وجود أثر ذات دلالة إحصائية بين مدخلات القطاع الصناعي وعدد العاملين الكلي في قطاع الصناعة, ووجود علاقة بين هذه المدخلات وبين التركيب النوعي والقطاعي والتعليمي للعاملين في القطاع الصناعي, كما توصل البحث إلى وجود تأثير ذو دلالة إحصائية للمتغيرات الديموغرافية على مدخلات باقي القطاعات الاقتصادية مجتمعة من خلال المعادلة الارتباطية القانونية التالية: This research aims at studying the relationship between the industrial demographic variables as it is one of the most important Syrian economic sectors and the most labor- employment, and the inputs of this sector in particular and the inputs of the rest of the economic sectors. A number of results were found, most notably the existence of a statistically significant relationship between the inputs of the industrial sector and the total number of workers in the industrial sector, and the relationship between these inputs and the qualitative, sectoral and educational structure of the industrial sector. The research also found a statistically significant effect of the demographic variables on inputs The rest of the economic sectors combined through the following canonical correlation:

In this study, we examined the input and output tables of the Syrian economy during the period 2006-2013. We calculated the direct back-pull links of the economic sectors during the considered period to determine the leading economic sectors in the Syrian economy. The best sector is wholesale and retail trade sector with an average value of 2.13 means that the production of one lira in the wholesale and retail trade sector will generate a demand of 2.13 pounds. This sector has maintained a value of more than 2 in most years of the studied period. We also note existence a group of sectors that can be described as leading economic sectors Because of high value front links, such as Textiles, water, electricity, construction, community services and personal services, while direct back-pull links of the leather sector were only 1.14. We also found a significant statistical impact between each of the leading sectors and the rest of these sectors. يهدف هذا البحث الى دراسة جداول المدخلات والمخرجات الخاصة بالاقتصاد السوري خلال الفترة بين 2006 و2013 ومن ثم حساب روابط الجذب الخلفية المباشرة للقطاعات الاقتصادية خلال الفترة المدروسة لتحديد القطاعات الاقتصادية الرائدة في الاقتصاد السوري. تم التوصل إلى عدة نتائج أهمها أن أفضل القطاعات الاقتصادية كان تجارة الجملة والمفرق بمتوسط قيمة 2.13 بمعنى أن إنتاج ليرة واحدة في قطاع تجارة الجملة والمفرق سيقوم بتوليد طلب قدره 2.13 ليرة من إنتاج باقي القطاعات, حيث حافظ هذا القطاع على قيمة تفوق 2 في أغلب السنوات المدروسة, كما لاحظنا وجود مجموعة من القطاعات يمكن وصفها بأنها قطاعات اقتصادية قيادية لتحقيقها قيمة مرتفعة من حيث روابط الجذب الخلفية الكلية وهي النسيج والماء والكهرباء والبناء والتشييد وخدمات المجتمع والخدمات الشخصية , بينما كانت أقل قيمة لروابط الجذب الخلفية الكلية لدى قطاع الجلود ب 1.14 فقط. كما وجدنا أثر ذو دلالة إحصائية بين كل قطاع من القطاعات الريادية وبين باقي هذه القطاعات.

In this study, we examined the input and output tables of the Syrian economy during the period 2006-2013. We calculated the direct frontal attraction links of the economic sectors during the considered period to determine the leading economic sectors in the Syrian economy. The best sector is construction sector with an average value of 2.08 That the investment of one lira in the construction sector will generate an added value of 1.08 pounds This sector has maintained a value of more than 2 in most years of the studied period. We also note existence a group of sectors that can be described as leading economic sectors Because of high value front links, such as paper and its products, printing, extractive industries, water and electricity, wood industry, and Spinning industry, while the smallest value of total front in financial, insurance and real estate sectors was only 1.15. We also found a statistically significant relationship between each of the leading sectors and the rest of these sectors. يهدف هذا البحث بدراسة جداول المدخلات والمخرجات الخاصة بالاقتصاد السوري خلال الفترة بين 2006 و2013 ومن ثم قمنا بحساب الروابط الأمامية المباشرة للقطاعات الاقتصادية خلال الفترة المدروسة لتحديد القطاعات الاقتصادية الرائدة في الاقتصاد السوري. تم التوصل إلى عدة نتائج أهمها أن أفضل القطاعات الاقتصادية كان قطاع البناء والتشييد بمتوسط قيمة 2.08 بمعنى أن استثمار ليرة واحدة في قطاع البناء والتشييد سيقوم بتوليد قيمة مضافة قدرها 1.08 ليرة, حيث حافظ هذا القطاع على قيمة تفوق 2 في أغلب سنوات الفترة المدروسة كما لاحظنا وجود مجموعة من القطاعات يمكن وصفها بأنها قطاعات اقتصادية ريادية لتحقيقها قيمة مرتفعة من حيث الروابط الأمامية الكلية وهي: الورق ومنتجاته والطباعة, و الصناعات الإستخراجية, و الماء والكهرباء, و صناعة الخشب والموبيليا والأثاث, وصناعة الغزل بينما كانت أقل قيمة للروابط الأمامية الكلية لدى قطاع المال والتامين والعقارات ب 1.15 فقط. كما وجدنا أثر ذو دلالة إحصائية بين كل قطاع من القطاعات الريادية وبين باقي هذه القطاعات.

يهدف البحث إلى إيجاد نموذج إحصائي يساعد المصرف في تحديد العميل ذو الملاءة المالية, وتفريقه عن العميل الذي ليس لديه بمثل هذه الملاءة, ولتحقيق ذلك تم الاعتماد على بيانات عينة من عملاء المصرف الصناعي تبعا لثلاث متغيرات هي ( رأس المال, رأس المال العامل, المبيعات) واستخدمنا في تحليل هذه البيانات أسلوب تحليل التمايز الخطي المتعدد المتغيرات, وفق طريقة التقدير المتدرج.توصلنا من خلال اختبار الفرضيات وتحليل النتائج, إلى عدد من النتائج أهمها دالتي تمييز تصنيفيتين تساعد في تحديد العميل المصرفي ذو الملاءة المالية الجيدة من العميل المصرفي ذو الملاءة المالية السيئة وقد دل إجراء اختبار للنموذج ووجدنا انه قادر على التنبؤ بالتعثر والتمييز بين العملاء المصرفيين ذوي الملاءة المالية الجيدة والعملاء المصرفيين ذوي الملاءة المالية السيئة, بدقة تعادل 96,7%. The study aims at finding statistical model that helps banks to part customer with good financial capacity criteria from bad financial capacity. We used data sample according three variables (capital, working capital, and sales). We use linear discriminant analysis "stepwise method" to analysis this data. Based on hypothesis testing we approved that our model is appropriate to divide customers into two classes, good and bad. We found that this model discriminates between good and bad customers with accurately drown 96.7%