- Author
- Roman Witold
- Title
- Zastosowanie hierarchicznej metody aglomeracyjnej do grupowania państw OECD ze względu na efektywność wykorzystania energii
Using the hierarchical agglomerative method to group OECD countries in the context of energy consumption efficiency - Source
- Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2016, nr 40, s. 411-424, tab., wykr., bibliogr. 10 poz.
- Issue title
- Rynki usług cyfrowych : uwarunkowania, trendy, metody
- Keyword
- Gospodarka rynkowa, Analiza skupień, Algorytmy, Energia
Market economy, Cluster analysis, Algorithms, Energy - Note
- streszcz,m summ.
- Company
- Organizacja Współpracy Gospodarczej i Rozwoju
Organization for Economic Cooperation and Developement - Country
- Kraje OECD
OECD countries - Abstract
- W 2013 r. w zamieszkałych przez 17,7% ludności naszego globu państwach należących do Organizacji Współpracy Gospodarczej i Rozwoju (Organisation for Economic Co-operation and Development - OECD) wytworzono 71,9% światowego PKB1 oraz dostarczono 39,1% energii. Przyjmując uproszczony wzór na energochłonność PKB, Międzynarodowa Agencja Energetyczna podała w Key World Energy Statistics 20153, że do uzyskania jednego dolara w państwach OECD zużywano przeciętnie 0,13 kg oleju umownego, a na świecie (łącznie z OECD) - 0,24 kg. Działająca od 30 września 1961 r. OECD skupia obecnie 34 wiodące, najlepiej rozwinięte gospodarczo państwa świata, akceptujące zasady demokracji i gospodarki rynkowej. Każde z państw aspirujących do członkostwa musi więc spełniać te warunki; Polska została przyjęta do OECD dopiero 22 listopada 1996 r. (fragment tekstu)
The goal of the paper is clustering OECD states in the context of energy efficiency. For this purpose, the study involved agglomerative hierarchical clustering method of the dataset using the Agglomerative Nesting algorithm implemented as the agnes () function of the cluster package running in the R environment. For evaluation of the results the silhouette () function was applied and for the purpose of presentation in the form of dendrogram - the plot.agnes () function; both functions are included in the cluster package. The results of the performed analysis, especially the determined homogeneous group where Poland was placed, can serve as a starting point for further works associated with energy efficiency improvement. (original abstract) - Accessibility
- The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business - Full text
- Show
- Bibliography
-
- Biecek P., Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2008.
- Energy Efficiency Indicators: Fundamentals on Statistics, International Energy Agency, Paris 2014.
- Kauffman L., Rousseeuw P., Finding Groups in Data. An Introduction to Cluster Analysis,ohn Wiley & Sons Inc., New Jersey 2005.
- Key World Energy Statistics 2015, International Energy Agency, Paris 2015.
- Larose D. T., Odkrywanie wiedzy w danych, Wydawnictwo Naukowe PWN, Warszawa 2013.
- Migdał-Najman K., Ocena jakości wyników grupowania - przegląd bibliografii, "Przegląd Statystyczny", t. 58, z. 3-4, Polska Akademia Nauk, Warszawa 2011.
- http://data.worldbank.org/indicator [odczyt 22.11.2015].
- http://stat.ethz.ch/R-manual/R-patched/library/cluster/html/agnes.html [odczyt 28.11.2015].
- http://stat.ethz.ch/R-manual/R-patched/library/cluster/html/silhouette.html [odczyt 28.11.2015].
- http://zif.wzr.pl/pim/2013_3_2_13.pdf [odczyt 19.02.2016].
- Cited by
- ISSN
- 1232-4671
- Language
- pol
