BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Śmiałowski Tomasz (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie), Jałowiecki Piotr (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie)
Tytuł
Symulacyjne metody transformacji danych pomiędzy podziałami administracyjnymi w Polsce
Simulation Methods for Data Transforming between Administrative Divisions in Poland
Źródło
Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, 2013, T. 15, z. 5, s. 311-317, tab., bibliogr. 12 poz.
Słowa kluczowe
Podział administracyjny, Przetwarzanie danych, Transmisja danych, Symulacja Monte Carlo
Administrative division, Data processing, Data transmission, Monte Carlo simulation
Uwagi
streszcz., summ.
Abstrakt
Celem badań było opracowanie metody transformacji danych ze starego na nowy podział terytorialny Polski. Jednym z popularniejszych źródeł danych wykorzystywanych w badaniach ekonomicznych i społecznych są wyniki badań budżetów gospodarstw domowych (BGD). Jeżeli okres badawczy jest odpowiednio długi, wykorzystywanie w charakterze danych źródłowych wyników badań BGD wiąże się z koniecznością uwzględniania danych przygotowanych zgodnie z różnymi podziałami terytorialnymi (na 49 przed i 16 po 1999 r.). Dostarczane przez GUS raporty nie pozwalają na przydzielenie poszczególnych gospodarstw do konkretnego powiatu, gminy lub miejscowości, a jedynie do określonego województwa lub klasy miejscowości. Przedstawiono propozycje dwóch metod takiej transformacji danych na podstawie metody wag oraz metody Monte Carlo. Uzyskane wyniki wskazują, że zaproponowane rozwiązania umożliwiają prostą klasyfikację gospodarstw domowych według przynależności do województwa niezależnie od podziału administracyjnego. Trafność zaproponowanych metod została potwierdzona przez analizę wartości odstających. (abstrakt oryginalny)

One of the most popular data sources used in economic and social studies are the results of households budgets survey (BGD). If the time horizon of study is long enough, the using of BGD results as a data source is connected with take account necessity of data prepared in different administration divisions (on 49 and 16 voivodeships after 1999). Reports delivered by GUS do not allow for explicit allocation of households to a particular county, municipality or town, but only for voivodeship and town or village class. In paper, proposition of two methods such data transformation with using of weights and Monte Carlo simulations are presented. The results show that the proposed solutions provide a simple classification of households by belonging to the voivodeship regardless of the administrative division. Accuracy of the proposed method is confirmed by the analysis of outliers. (original abstract)
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bell W.R. 1983: A Computer Program for Deceting Outliers in Time Series. Proceedings of the American Statistical Association, Business and Economic Statistic Section, s. 634-639.
  2. Budżety gospodarstw domowych w 2011 roku. 2012: GUS, Warszawa.
  3. Chang I., Tiao G.C., Chen C. 1988: Estimation of Time Series Parameters in the Presence of Outliers. Technometrics, vol. 20, no. 2, s. 193-204.
  4. Demidovič B.P., Maron A. 1965: Metody numeryczne, analiza, algebra, metody Monte Carlo, PWN, Warszawa.
  5. Halton J.H. 1970: A retrospective and prospective survey of the Monte Carlo method. SIAM Review, 12, s. 1-63.
  6. Jałowiecka E., Jałowiecki P., Orłowski A. 2012: Demograficzne zróżnicowanie konsumpcji papierosów w Polsce w latach 1999-2008. Rocz. Nauk. SERiA, t. XIV, z. 4, s. 40-44.
  7. Ljung G.M. 1993: An Outlier Detection in Time Series. Journal of the Royal Statistical Society, B, vol. 55, p. 559-567.
  8. Otto M.C., Bell W.R. 1990: Two Issues in Time Series Outlier Detection Using Indicator Variables, Proceedings of the American Statistical Association, Business and Economic Statistics Section, p. 182-187.
  9. Patrykiejew A. 1998: Wprowadzenie do metody Monte Carl, Wyd. UMCS, Lublin.
  10. Śmiałowski T., Jałowiecki P. 2012: Terytorialne zróżnicowanie obszarów wykluczeń technologicznych, Rocz. Nauk. SERiA, s. 125-130.
  11. Weisenberg S. 1985: Applied Linear Regression. 2nd Edition, John Wiley and Sons, New York, NY, USA.
  12. Zmarzłowski K., Orłowski A. 2012: Zmiany na rynku wyrobów spirytusowych w latach 1999-2009, Rocz. Nauk. SERiA, s. 599-604.
Cytowane przez
Pokaż
ISSN
1508-3535
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu