Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funções de ligações probito, logito, complemento log-log, transformação box-cox e probito-assimétrico. Na abordagem clássica apresentamos as suposições e o procedimento para ajustar o modelo de regressão e verificamos a precisão dos parâmetros estimados, construindo intervalos de confiança e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori não informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáveis auxiliares para obter a distribuição a posteriori conhecida, facilitando a implementação do algoritmo do Amostrador de Gibbs. No entanto, a introdução destas variáveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelação. Através do estudo de simulação mostramos que na inferência clássica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confiança assintótica está de acordo com o esperado na teoria assintótica. Na inferência bayesiana constatamos que o uso de variáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrático médio (EQM), erro percentual absoluto médio (MAPE) e erro percentual absoluto médio simétrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variação do Ibovespa e a variação do valor diário do fechamento da cotação do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variáveis que influenciam a aprovação do aluno. / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian approach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior distributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that influence the approval of the student.

A regressão logística com resposta contínua é uma alternativa à regressão logística usual quando a variável resposta possui distribuição contínua e o objetivo do estudo é estimar a probabilidade de ocorrência de valores acima ou abaixo de um determinado valor de corte. O modelo assim construído pode ser escrito na forma de um modelo linear generalizado com função de ligação composta. Quando corretamente especificada, a incorporação da informação sobre a distribuição da variável resposta no modelo faz com que os estimadores de máxima verossimilhança sejam mais eficientes. A técnica é apresentada para os casos em que a variável resposta tem distribuição normal ou log-normal. Como aplicação, considerando dados referentes à cidade de São Paulo nos anos de 1998 e 1999, um modelo de regressão logística com resposta contínua foi considerado na previsão do risco da concentração do poluente NO2 ser maior que um valor de corte estabelecido por legislação. Variáveis climáticas e temporais foram consideradas como preditoras. Mostraram-se importantes para prever o risco a temperatura, a umidade relativa do ar, os dias da semana, as estações do ano, precipitação pluviométrica e velocidade do vento. / Binary regression with continuous outcomes constitutes an alternative to logistic regression when the outcome is continuous and the investigator’s interest focuses to estimate the probability of subjects who fall above or below a cut-off value. The model is based on a generalized linear model with composite link that takes advantage of the continuous structure of the outcome, typically gaussian or lognormal. Under correct response model-ling, binary regression with continuous outcomes is more efficient than logistic regression. A binary regression with continuous outcomes was considered to predict the risk that a NO2 pollutant concentration is above the limits set by environmental legislation in São Paulo city during 1998 and 1999. Climatic and temporal variables were considered as pre-dictors. Temperature, humidity, days of the week, station of the year, precipitation and speed of the wind revealed important to predict the risk.

A regressão logística com resposta contínua é uma alternativa à regressão logística usual quando a variável resposta possui distribuição contínua e o objetivo do estudo é estimar a probabilidade de ocorrência de valores acima ou abaixo de um determinado valor de corte. O modelo assim construído pode ser escrito na forma de um modelo linear generalizado com função de ligação composta. Quando corretamente especificada, a incorporação da informação sobre a distribuição da variável resposta no modelo faz com que os estimadores de máxima verossimilhança sejam mais eficientes. A técnica é apresentada para os casos em que a variável resposta tem distribuição normal ou log-normal. Como aplicação, considerando dados referentes à cidade de São Paulo nos anos de 1998 e 1999, um modelo de regressão logística com resposta contínua foi considerado na previsão do risco da concentração do poluente NO2 ser maior que um valor de corte estabelecido por legislação. Variáveis climáticas e temporais foram consideradas como preditoras. Mostraram-se importantes para prever o risco a temperatura, a umidade relativa do ar, os dias da semana, as estações do ano, precipitação pluviométrica e velocidade do vento. / Binary regression with continuous outcomes constitutes an alternative to logistic regression when the outcome is continuous and the investigator’s interest focuses to estimate the probability of subjects who fall above or below a cut-off value. The model is based on a generalized linear model with composite link that takes advantage of the continuous structure of the outcome, typically gaussian or lognormal. Under correct response model-ling, binary regression with continuous outcomes is more efficient than logistic regression. A binary regression with continuous outcomes was considered to predict the risk that a NO2 pollutant concentration is above the limits set by environmental legislation in São Paulo city during 1998 and 1999. Climatic and temporal variables were considered as pre-dictors. Temperature, humidity, days of the week, station of the year, precipitation and speed of the wind revealed important to predict the risk.

Submitted by Ronildo Prado (ronisp@ufscar.br) on 2017-08-17T17:26:59Z No. of bitstreams: 1 DissSACA.pdf: 2241501 bytes, checksum: b88dd9ad345544bce3926b892f257af7 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-17T17:27:07Z (GMT) No. of bitstreams: 1 DissSACA.pdf: 2241501 bytes, checksum: b88dd9ad345544bce3926b892f257af7 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-17T17:27:13Z (GMT) No. of bitstreams: 1 DissSACA.pdf: 2241501 bytes, checksum: b88dd9ad345544bce3926b892f257af7 (MD5) / Made available in DSpace on 2017-08-17T17:27:20Z (GMT). No. of bitstreams: 1 DissSACA.pdf: 2241501 bytes, checksum: b88dd9ad345544bce3926b892f257af7 (MD5) Previous issue date: 2017-04-07 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / The aim of this dissertation is to study a family of asymmetric link functions for binary regression models under Bayesian approach. Specifically, we present the estimation of parameters of power and reversal power binary regression models considering Hamiltonian Monte Carlo method, on No-U-Turn Sampler extension, and Metropolis-Hastings within Gibbs sampling method. Furthermore, we study a wide variety of model comparison measures, including information criteria and measures of predictive evaluation. A simulation study was conducted in order to research accuracy and efficiency on estimated parameters. Through analysis of educational data we show that models using the proposed link functions perform better fit than models using standard links. / O objetivo desta dissertação é estudar uma família de ligações assimétricas para modelos de regressão binária sob a abordagem bayesiana. Especificamente, apresenta-se a estimação dos parâmetros da família de modelos de regressão binária com funções de ligação potência e reversa de potência considerando o método de estimação Monte Cario Hamiltoniano, na extensão No-U-Turn Sampler, e o método Metropolis-Hastings dentro de Gibbs. Além disso, estudam-se diferentes medidas de comparação de modelos, incluindo critérios de informação e de avaliação preditiva. Um estudo de simulação foi desenvolvido para estudar a acurácia e eficiência nos parâmetros estimados. Através da análise de dados educacionais, mostra-se que os modelos usando as ligações propostas apresentam melhor ajuste do que os modelos usando ligações tradicionais.

Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funções de ligações probito, logito, complemento log-log, transformação box-cox e probito-assimétrico. Na abordagem clássica apresentamos as suposições e o procedimento para ajustar o modelo de regressão e verificamos a precisão dos parâmetros estimados, construindo intervalos de confiança e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori não informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáveis auxiliares para obter a distribuição a posteriori conhecida, facilitando a implementação do algoritmo do Amostrador de Gibbs. No entanto, a introdução destas variáveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelação. Através do estudo de simulação mostramos que na inferência clássica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confiança assintótica está de acordo com o esperado na teoria assintótica. Na inferência bayesiana constatamos que o uso de variáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrático médio (EQM), erro percentual absoluto médio (MAPE) e erro percentual absoluto médio simétrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variação do Ibovespa e a variação do valor diário do fechamento da cotação do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variáveis que influenciam a aprovação do aluno. / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian approach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior distributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that influence the approval of the student.

Neste trabalho, aplicamos um modelo de regressão binária com erros de medição na variável explicativa para analisar sistemas de medição do tipo atributo. Para isto, utilizamos o modelo logístico com erros na variável, para o qual obtemos as estimativas de máxima verossimilhança via o algoritmo EM e a matriz de informação de Fisher observada. Além disso, fizemos um estudo de simulação para compararmos o método analítico e os modelos logístico sem erros na variável (ingênuo) e logístico com erros na variável. Finalmente, aplicamos nossa metodologia para avaliarmos um sistema de medição passa/não passa da maior montadora de motores Diesel (MWM International). / In this work, we apply a study of binary regression model with errors-in-variable to analyze attributive measurement systems. For this, we use the logistic model with errors-in-variable to obtain parameter estimates of maximum likelihood through EM algorithm and the observed Fisher information matrix. In addition we do a simulation study to compare analytic method and the logistic model with and without measurement errors-in-variable. Finally, we apply our methodology to evaluate a attributive measurement system for the largest Diesel motor company of the world (MWM International).

Submitted by Aelson Maciera (aelsoncm@terra.com.br) on 2017-05-23T16:23:56Z No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-05T19:07:22Z (GMT) No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-05T19:07:28Z (GMT) No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) / Made available in DSpace on 2017-06-05T19:18:45Z (GMT). No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) Previous issue date: 2016-12-16 / Não recebi financiamento / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian appro- ach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior dis- tributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that infuence the approval of the student. / Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funcoes de ligacoes probito, logito, complemento log-log, transformaçao box-cox e probito-assimetrico. Na abordagem clássica apresentamos as suposicoes e o procedimento para ajustar o modelo de regressao e verificamos a precisão dos parâmetros estimados, construindo intervalos de confianca e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori nao informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáaveis auxiliares para obter a distribuiçcaão a posteriori conhecida, facilitando a implementacão do algoritmo do Amostrador de Gibbs. No entanto, a introduçao destas variaveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelaçcãao. Atraves do estudo de simulacao mostramos que na inferência classica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confianca assintotica está de acordo com o esperado na teoria assintática. Na inferência bayesiana constatamos que o uso de va-riaáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrâtico medio (EQM), erro percentual absoluto medio (MAPE) e erro percentual absoluto medio simetrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variaçao do Ibovespa e a variacao do valor diário do fechamento da cotacao do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variaveis que influenciam a aprovacao do aluno.

Neste trabalho, aplicamos um modelo de regressão binária com erros de medição na variável explicativa para analisar sistemas de medição do tipo atributo. Para isto, utilizamos o modelo logístico com erros na variável, para o qual obtemos as estimativas de máxima verossimilhança via o algoritmo EM e a matriz de informação de Fisher observada. Além disso, fizemos um estudo de simulação para compararmos o método analítico e os modelos logístico sem erros na variável (ingênuo) e logístico com erros na variável. Finalmente, aplicamos nossa metodologia para avaliarmos um sistema de medição passa/não passa da maior montadora de motores Diesel (MWM International). / In this work, we apply a study of binary regression model with errors-in-variable to analyze attributive measurement systems. For this, we use the logistic model with errors-in-variable to obtain parameter estimates of maximum likelihood through EM algorithm and the observed Fisher information matrix. In addition we do a simulation study to compare analytic method and the logistic model with and without measurement errors-in-variable. Finally, we apply our methodology to evaluate a attributive measurement system for the largest Diesel motor company of the world (MWM International).

Abstract in English, Tsonga and Zulu / Mitlumbo ya mifambafambo ya le magondzweni i xin’wana xa miringeto (risks) yo biha ku tlula hinkwayo ya swifambo swa le gondzweni emisaveni hinkwayo, leswi yimelaka xiphiqo lexikulu xa swohanyaswin’we-ikhonomi ngopfu-ngopfu eka matiko lama ya ha hluvukaka tanihi Afrika-Dzonga. Ku va ku nyikiwa masungulo yo tiya ya xiikhonomi eka swiboho swa mbekiso ku tirhana na ntlhontlho lowu, i swa nkoka swinene ku hlela ndhurho wa mitlumbo leyi. Mipimanyeto leyi yi tirha tanihi nxopaxopo wa swinghenisiwa swa mbuyelo wa ndhurheriwo ku endlela ku kuma mphakelo wa switirhisiwa wo tirha kahle eka ku nghenelela eka ku tirhana na mitlhontlho leyi vangiwaka hi mitlumbano ya le magondzweni. Tiko ra Afrika-Dzonga a ri nga ri ku pfuxeteni ka mahungu ya mipimanyeto ya midurho ya mitlumbano ya le magondzweni nkarhi na nkarhi, naswona leyi a yi endliwa a yi tirhisa maendlelo lamo soriwa ngopfu yo languta nkoka wa vanhu (human capital). Hikwalaho, mipimanyeto leyi nga kona a yi nga ta va leyi tshembekaka eka ku kunguhata na ku pimaniseka na mipimanyeto ya matiko man’wana. Hi le ka ku landzelela vundzhaku lebyi laha dyondzo leyi yi nga tumbuluka na ku kombisa matirhiselo ya rimba ra ntirho wo katsa (hybrid) ku kambela ndhurho wa mitlumbo ya swifambo swa le magondzweni eAfrika-Dzonga. Rimba leri ri tirhisa endlelo ro kongomisa eka nkoka wa vanhu na ku pfumela ku hakela (willingness-to-pay), eka dyondzo yi ri yin’we. Mipimanyeto ya midurho ya nkoka wa vanhu ya laveka ku va yi pfuna eka ku kunguhata leswaku yi tlakusa swinenenene swihumesiwa swa rixaka, loko hala tlhelo mipimanyeto yo pfumela ku hakela yona yi ri yona yi fanelaka swinene eka ku pfuneta minghenelelo yo tlakusa nhlayiseko wa vanhu hi ku hunguta ku vaviseka na ku fa. Endlelo ro pfumela ku hakela ri tirhisa maendlelo ya swo ka swi nga ri swa makete (contingent valuation) na ya maendlelo yo langa (preference). Khwexinere yo valanga leyi a yi ri na maendlelo yo ka ya nga ri ya swa makete na swilangiwa leswi a swi boxiwile, yi tirhisiwile hi magoza mambirhi ku sampula vaanguri va 273 eka ntirho wa swo tleketla. Eka mhaka ya endlelo ro kongomisa eka nkoka wa vanhu, mipimanyeto ya ndhurho eka xiviko xa 2016 xa Cost of Crashes in South Africa yi hundzuluxiwile hi ku katsa inifulexini, ku tirhisiwa mpimo wa 2017 wa 5.3% ku kuma mipimanyeto ya ndhurho ya 2017. Dyondzo leyi yi paluxile leswaku endlelo ro kongomisa eka nkoka wa vanhu ri kayiveta ku vona ndhurho wa mitlumbo ya le magondzweni. Dyondzo leyi yi hoxa xandla eka ntsengo wa vutivi hi ku tirhisa endlelo ro languta nkoka wa vanhu na endlelo ro pfumela ku hakela eka dyondzo yi ri yin’we ku kombisa ntirhiseko wa endlelo leri ra nkatso (hybrid)/nhlanganiso eka xiyimo xa Afrika-Dzonga. Ndzavisiso wa nkarhi lowu taka wu fanele ku engeta dyondzo leyi hi sampulu leyi humaka eka swifundzakulu hinkwaswo swa nkaye swa Afrika-Dzonga, leswaku mipimanyeto ya ndhurho yi yimela vanhu va tiko hinkwaro. / Road traffic crashes are one of the worst risks of road mobility worldwide, representing a huge socio-economic problem particularly in developing countries such as South Africa. In order to provide a sound economic basis for investment decisions to address this challenge, it is critical to assess the cost of these crashes. These estimates serve cost-benefit analysis inputs to facilitate a more efficient resources allocation for interventions to address the challenge posed by road crashes. South Africa has not been updating crash cost estimates on a regular basis, and those that were conducted used the much criticised human capital approach. Therefore, the available estimates could not be relied upon for planning purposes and comparison with the estimates of other countries. It is against this background that this study developed and illustrated the application of a hybrid framework for assessing the cost of road traffic crashes in South Africa. The framework uses the human capital approach and the willingness-to-pay approach in one study. Human capital approach cost estimates are needed to inform planning to maximize the national output, while the willingness-to-pay estimates are more suitable when the main concern is to inform interventions to increase social welfare by reducing injuries and fatalities. The willingness-to-pay approach uses the contingent valuation and the stated preference methods. A survey questionnaire with contingent valuation and stated preference questions was administered in two phases to a sample of 273 respondents within the transport industry. For the human capital approach, the cost estimates in the 2016 Cost of Crashes in South Africa report were adjusted for inflation using the 2017 rate of 5.3% to obtain 2017 cost estimates. This study revealed that the human capital approach underestimates the cost of road crashes. The study contributes to the body of knowledge by using the human capital approach and the willingness-to-pay approach in one study to illustrate the applicability of this hybrid/ combination within the South African context. Future research needs to replicate this study on a sample drawn from all nine provinces of South Africa, so that the cost estimates are representative of the country’s population. / Ukuphazamiseka komgwaqo kungenye yezingozi ezimbi kakhulu zokuhamba komgwaqo emhlabeni jikelele, ezimele inkinga enkulu yenhlalo nezomnotho ikakhulukazi emazweni asathuthuka njengeNingizimu Afrika. Ukuze unikeze isisekelo sezomnotho esizwakalayo ezinqumeni zokutshala izimali ukubhekana nale nselele, kubalulekile ukuhlola izindleko zalezi zingozi. Lezi zilinganiso zisebenza njengeziphakamiso zokuhlaziywa kwezindleko zokuhlomula ukuze kube lula ukunikezwa kwezinsiza ezenzelwe ukuxazulula inselele ebangelwa ukuphazamiseka komgwaqo. INingizimu Afrika ayizange ibuyekeze ukulinganisa izindleko zezingozi njalo, futhi lezo ezenziwa zisebenzise indlela enkulu yokugxeka ukusebenzisa abantu. Ngakho-ke, izilinganiso ezitholakalayo azikwazanga ukuthenjelwa kuzona ngezinjongo zokuhlela nokuqhathaniswa nezilinganiso zamanye amazwe. Lokhu kuphikisana nalesi sigaba ukuthi lolu cwaningo lusungulwe futhi luboniswe ukusetshenziswa kohlaka oluxubile lokuhlola izindleko zokuphazamiseka komgwaqo eNingizimu Afrika. Uhlaka lusebenzisa indlela yokusebenzisa abantu kanye nendlela yokuzimisela-ukukhokha ocwaningweni olulodwa. Ukulinganiselwa kwezindleko zokusebenzisa abantu kuyadingeka ukuze kwaziswe ukuhlela ukwandisa umkhiqizo kazwelonke, kanti ukulinganiselwa kokuzimisela-ukukhokhela kukulungele kakhulu ukwazisa ukungenelela ukwandisa inhlalakahle yomphakathi ngokunciphisa ukulimala nokubulawa kwabantu. Indlela yokuzimisela-ukukhokha isebenzisa ukuhlaziywa kwesilinganiso kanye nezindlela okukhethwa ngazo. Imibuzo yokuhlola ngokuhlaziywa kwesilinganiso kanye nemibuzo ekhethwe ngayo yenziwa ngezigaba ezimbili embonakalisweni yabaphendulile abangama-273 embonini yezokuthutha. Ngokwendlela yokusebenzisa abantu, izindleko ezilinganiselwa ku-2016 Izindleko Zokushayisana eNingizimu Afrika kubikwa ukuthi zalungiselwa ukwenyuka kwamandla emali, kusetshenziswa isilinganiso sango-2017 esingu-5.3% ukuthola izindleko zango-2017. Lolu cwaningo luveze ukuthi indlela yokusebenzisa abantu ithatha kancane izindleko zokuphazamiseka komgwaqo. Ucwaningo lunomthelela emzimbeni wolwazi ngokusebenzisa indlela yokusebenzisa abantu kanye nendlela yokuzimisela-ukukhokha ocwaningweni olulodwa ukukhombisa ukufaneleka kwalesi sivumelwano / inhlanganisela ngaphakathi komongo waseNingizimu Afrika. Ucwaningo lwesikhathi esizayo ludinga ukuphindaphinda lolu cwaningo embonakalisweni othathwe kuzo zonke izifundazwe eziyisishiyagalolunye zaseNingizimu Afrika, ukuze ukulinganiswa kwezindleko kummele abantu bezwe / Business Management / D. Phil. (Management Studies)