BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Szymańska Agata (Uniwersytet Łódzki)
Title
Variation of Polish Voivodships According to Selected Indicators Referring to People Aged 65 and Over
Zróżnicowanie województw ze względu na wybrane wskaźniki odnoszące się do osób w wieku 65 lat i więcej
Source
Wiadomości Statystyczne, 2022, nr 3, s. 28-45, wykr., tab., aneks, bibliogr. s. 41-42
Keyword
Starzenie się społeczeństw, Proces starzenia się ludności, Analiza skupień, Zróżnicowanie regionalne, Metoda Warda
Ageing of the population, Process of people ageing, Cluster analysis, Regional diversity, Ward method
Note
JEL Classification: J10, J11
streszcz., summ.
Abstract
Celem badania omawianego w artykule jest ocena zróżnicowania przestrzennego województw pod względem wybranych wskaźników opisujących sytuację osób starszych (65 lat i więcej). Badanie dotyczyło lat 2005, 2010, 2015 i 2019; wykorzystano w nim dane publikowane w Banku Danych Lokalnych Głównego Urzędu Statystycznego. Z uzyskanego zestawu zmiennych wybrano do ostatecznych analiz pięć, w tym zmienną demograficzną oraz zmienne związane z zabezpieczeniem emerytalnym i infrastrukturą zdrowotną. Badanie empiryczne przeprowadzono z wykorzystaniem miary odległości euklidesowej oraz analizy skupień metodą Warda. Przeprowadzone analizy wykazały zróżnicowanie województw, co odzwierciedlają zarówno wyliczone odległości, jak i skład wyodrębnionych skupień. Wyniki wskazują na przestrzenne zróżnicowanie województw, które jest zgodne z przestrzennym zróżnicowaniem demograficznego starzenia się ludności w Polsce. Zaobserwowana odrębność woj. śląskiego może ponadto wynikać z uwzględnienia zmiennych dotyczących systemu zabezpieczenia emerytalnego. (abstrakt oryginalny)

The aim of the study is the assessment of the spatial variation of voivodships (the largest administrative units in Poland) in terms of selected indicators describing the situation of people aged 65 and over. The study used data from the Local Data Bank of Statistics Poland (Główny Urząd Statystyczny) for the years 2005, 2010, 2015 and 2019. From the obtained set of diagnostic variables, five were used for the final analysis, including those relating to demographics, the pension security system and health infrastructure. The applied empirical method was based on the Euclidean metric as well as cluster analysis with Ward's method. The performed analyses indicated a variation of voivodships which is reflected by the computed distances and components of the created clusters. The results revealed a spatial variation of voivodships which is consistent with the demographic ageing in Poland. Moreover, the observed distinction of Śląskie Voivodship may have been affected by the fact that variables related to the pension security system were also considered. (original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
Full text
Show
Bibliography
Show
  1. Bailey, K. D. (1994). Typologies and taxonomies: An introduction to classification techniques. Thousand Oaks.
  2. Bernstein, I. H., Garbin, C. P., & Teng, G. K. (1988). Applied Multivariate Analysis. Springer- Verlag. https://doi.org/10.1007/978-1-4613-8740.
  3. Długosz, Z. (1998). Próba określenia zmian starości demograficznej Polski w ujęciu przestrzennym. Wiadomości Statystyczne, 43(3), 15-27.
  4. European Commission. (2021). The 2021 Ageing report. Economic & Budgetary Projections for the EU Member States (2019-2070). Publications Office of the European Union.
  5. Everitt, B. S., Landau, S., Morven, L., & Stahl, D. (2011). Cluster Analysis (5th edition). John Wiley & Sons.
  6. Główny Urząd Statystyczny. (2014). Sytuacja demograficzna osób starszych i konsekwencje starzenia się ludności Polski w świetle prognozy na lata 2014-2050. https://stat.gov.pl/obszary-tematyczne/ludnosc/ludnosc/sytuacja-demograficzna-osob-starszych-i-konsekwencje-starzenia-sie-ludnosci-polski-w-swietle-prognozy-na-lata-2014-2050,18,1.html.
  7. Holzer, J. Z. (2003). Demografia. Polskie Wydawnictwo Ekonomiczne.
  8. Kaufman, L., & Rousseeuw, P. J. (2005). Finding groups in data: An introduction to cluster analysis. John Wiley & Sons. https://doi.org/10.1002/9780470316801.
  9. Kowaleski, J. T. (Ed.). (2011). Przestrzenne zróżnicowanie starzenia się ludności Polski. Przyczyny, etapy, następstwa. Wydawnictwo Uniwersytetu Łódzkiego.
  10. Kowaleski, J. T., & Majdzińska, A. (2012). Miary i skale zaawansowania starości demograficznej. In A. Rossa (Ed.), Wprowadzenie do gerontometrii (pp. 7-34). Wydawnictwo Uniwersytetu Łódzkiego. https://doi.org/10.18778/7525-788-5.02 .
  11. Local Data Bank of Statistics Poland. https://bdl.stat.gov.pl/BDL/start, access: July, 2021.
  12. Majdzińska, A. (2017). Zróżnicowanie terytorialne starzenia się ludności Polski. Acta Universitatis Lodziensis. Folia Oeconomica, 5(331), 71-90. https://doi.org/10.18778/0208-6018.331.05.
  13. Nowak, E. (1990). Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych. Państwowe Wydawnictwo Ekonomiczne.
  14. Panek, T., & Zwierzchowski, J. (2013). Statystyczne metody wielowymiarowej analizy porównawczej. Teoria i zastosowania. Oficyna Wydawnicza SGH.
  15. Podogrodzka, M. (2016). Przestrzenna konwergencja indeksu starości w Polsce. Acta Universitatis Lodziensis. Folia Oeconomica, 4(324), 51-65. https://doi.org/10.18778/0208-6018.324.04.
  16. Romesburg, H. C. (2004). Cluster analysis for researchers. Lulu Press.
  17. Roszkowska, E. (2020). Similarity of regions in terms of the structure of the elderly population - proposition of a measure. Optimum. Economic Studies, (2), 148-162. http://doi.org/10.15290/oes.2020.02.100.11.
  18. Sarstedt, M., & Mooi, E. (2014). A Concise Guide to Market Research. The Process, Data, and Methods Using IBM SPSS Statistics (2nd edition). Springer.
  19. Stanisz, A. (2007). Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny: vol. 3. Analizy wielowymiarowe. StatSoft.
  20. Ward, J. H. (1963). Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58(301), 236-244. https://doi.org/10.2307/2282967.
  21. Zeliaś, A. (Ed.). (2004). Poziom życia w Polsce i krajach Unii Europejskiej. Polskie Wydawnictwo Ekonomiczne.
Cited by
Show
ISSN
0043-518X
Language
eng
URI / DOI
http://dx.doi.org/10.5604/01.3001.0015.8065
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu