- Autor
- Klimanek Tomasz (Akademia Ekonomiczna w Poznaniu)
- Tytuł
- Wielopoziomowa analiza powierzchni gospodarstw rolnych w wybranych gminach Wielkopolski
Multilevel Analysis of Farm Areas in Selected Gminas of Wielkopolskie Voivodship - Źródło
- Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia (11), 2004, nr 1022, s. 384-391, bibliogr. 7 poz.
- Tytuł własny numeru
- Klasyfikacja i analiza danych - teoria i zastosowania
- Słowa kluczowe
- Gospodarstwa rolne, Statystyka małych obszarów
Arable farm, Small area estimates - Uwagi
- summ.
- Kraj/Region
- Województwo wielkopolskie
Greater Poland Voivodeship - Abstrakt
- Modele wielopoziomowe wzięły początek z badań socjologicznych. Często dotyczą one zagadnienia pomiaru związku między jednostką i społeczeństwem. Główną ideą jest tutaj fakt współoddziaływania jednostek i tzw. kontekstu społecznego, do którego jednostki należą. Oznacza to, że z jednej strony widoczny jest wpływ społeczności na jednostki, z drugiej zaś strony charakterystyki społeczności są odzwierciedleniem jednostek je tworzących. Ogólnie można powiedzieć, że jednostki i grupy postrzegane są jako system hierarchiczny, który może mieć wiele poziomów. Ogólna koncepcja modelowania wielopoziomowego ma wiele wspólnego z koncepcją będącą podstawą statystyki małych obszarów. Definiując hierarchię jednostek analizy, możemy przypuszczać, że jednostki pierwszego poziomu należące do grup tworzących jednostki drugiego poziomu są bardziej podobne do siebie w ramach grupy niż między grupami. Możemy się spodziewać, że gospodarstwa rolne w gminach Wielkopolski są bardziej podobne do siebie niż do gospodarstw rolnych w gminach Małopolski. Mamy zatem w tym przypadku odwołanie do wykorzystywania podobieństwa. Statystyka małych obszarów jest oparta na wykorzystywaniu podobieństwa do "pożyczania mocy" w czasie i przestrzeni. (fragment tekstu)
The goal of this paper is the attempt to use multilevel approach in the analysis of the area of individual farms. The problem of introducing not only lower level variables (farm level) but also higher (gmina) level variables (contextual variables) was raised. The results show that using higher level variables makes the quality of models better and the process of inference can be free from so called ecological fallacy. (original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu - Bibliografia
- Goldstein H., Multilevel Mixed Models with an Application to Discrete Response Data, "Biometrika" 1986, nr 73, s. 43-56.
- Hox J.J., Applied Multilevel Analysis, TT-Publikaties, Amsterdam 1995.
- Klimanek Т., Wielopoziomowa analiza struktury agrarnej gminy w systemie GEO-INFO, maszynopis pracy doktorskiej, Poznań 2003.
- Kreft I., Leeuw J. de, Introducing Multilevel Modeling, Sage Publications, London-Thousand Oaks-New Delhi 1998.
- Longford N.T., A Fast Scoring Algorithm for Maximum Likelihood Estimation in Unbalanced Models with Nested Random Effects, "Biometrika" 1987, nr 74(4), s. 817-827.
- Raudenbush S.W., Bryk A.S., Hierarchical Linear Models, Applications and Data Analysis Methods, Second Edition, Sage Publications, London-Thousand Oaks-New Delhi 2002.
- Singer J.D., Using SAS PROC MIXED to Fit Multilevel Models, Hierarchical Models, And Individual Growth Models, "Journal of Educational and Behavioral Statistics" (http://gseweb.harvard.edu/~faculty/singer/sasprocmixed.pdf) 1998.
- Cytowane przez
- ISSN
- 0324-8445
1505-9332 - Język
- pol