BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Malinowski Mariusz (Uniwersytet Przyrodniczy w Poznaniu)
Tytuł
Przestrzenne zróżnicowanie poziomu życia ludności w ujęciu powiatów
Spatial Diversity in the Living Standards of the Population by Powiats of Eastern and North-Eastern Poland
Źródło
Wiadomości Statystyczne, 2017, nr 2, s. 52-71, tab., rys., bibliogr. s. 70
Słowa kluczowe
Poziom życia, Porządkowanie liniowe, Klasyfikacja obiektów, Autokorelacja przestrzenna
Living standard, Linear ordering, Classification of objects, Spatial autocorrelation
Uwagi
Klasyfikacja JEL: C21, I39
streszcz., summ.
Kraj/Region
Polska Wschodnia, Polska Północno-Wschodnia
Eastern Poland, North-East Poland
Abstrakt
Celem artykułu jest uporządkowanie liniowe i klasyfikacja powiatów Polski Wschodniej i Północno-Wschodniej ze względu na poziom życia mieszkańców, a także przeprowadzenie analizy autokorelacji przestrzennej na podstawie syntetycznych mierników poziomu życia. Do skonstruowania syntetycznego miernika oceny poziomu życia ludności wykorzystano wyselekcjonowany zbiór zmiennych diagnostycznych. Zastosowanie miernika syntetycznego, który zastępuje złożoną z wielu różnorodnych zmiennych charakterystykę obiektów umożliwia efektywny pomiar wielowymiarowego zagadnienia, jakim jest poziom życia mieszkańców. Rozwiązanie to pozwala także na uszeregowanie liniowe badanych obiektów. Badaniem objęto 101 powiatów w województwach: lubelskim, podkarpackim, podlaskim, świętokrzyskim i warmińsko-mazurskim. Wykorzystano w nim metody TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution), Warda oraz PAM (Partitioning Around Medoids, zwaną też k-medoids method). Przeprowadzono również analizę autokorelacji przestrzennej na podstawie statystyki Morana I. Głównym kryterium doboru zmiennych była ich kompletność i dostępność dla wszystkich badanych obiektów w 2014 r. Dane uzyskano z Banku Danych Lokalnych GUS. (abstrakt oryginalny)

The aim of this article is to order linearly and classify powiats in Eastern and North-Eastern Poland by the living standards of the population as well as to carry out spatial autocorrelation analysis based on the created synthetic indicators of the living standard. For the purpose of this article, a synthetic indicator was created to assess living standards of the population based on previously selected set of diagnostic variables. The use of synthetic indicators made it possible to replace the multi-variable description of objects with one statistical number. It enabled to measure a multidimensional area such as living standards of population as well as to perform a linear ordering of eXamined objects. 101 powiats in the Lubelskie, Podkarpackie, Podlaskie, Świętokrzyskie and Warmińsko-Mazurskie voivodeships were included in the research. The TOPSIS, Ward's and PAM methods were used in the research. Moreover spatial autocorrelation analyses were carried out based on the Moran's I statistics. The main criterium for selecting variables was completeness and their accessibility for all objects in the research in the year 2014. Data from the Local Data Bank were used for the research purposes. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Balicki, A. (2009). Statystyczna analiza wielowymiarowa i jej zastosowanie społeczno-ekonomiczne. Gdańsk: Wydawnictwo Uniwersytetu Gdańskiego.
  2. Bivand, R. (1981). Modelowanie geograficznych układów czasoprzestrzennych. Warszawa-Po-znań: PWN.
  3. Bywalec, C., Rudnicki, L. (1992). Podstawy teorii i metodyki badania konsumpcji. Kraków: Akademia Ekonomiczna.
  4. Hwang, C.L., Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Berlin Heidelberg New York: Springer Verlag.
  5. Kalisiewicz, D. (red.) (1995). Nowa encyklopedia powszechna PWN. Tom 3. Warszawa: PWN.
  6. Kaufman, L., Rousseeuw, P. (2005). Finding groups in data: an introduction to cluster analysis. Willey&Sons.
  7. Kopczewska, K., (2007). Ekonometria i statystyka przestrzenna z wykorzystaniem programu R-Cran. Warszawa: CeDeWu.
  8. Ministerstwo Rozwoju Regionalnego (2012). Strategia Rozwoju Kraju 2020. Warszawa.
  9. Młodak, A. (2006). Analiza taksonomiczna w statystyce regionalnej. Warszawa: Difin.
  10. One Global Economy (2014), Digital Inclusion Social Impact Evaluation. Final Report. Washington.
  11. Panek, T. (2009). Statystyczne metody wielowymiarowej analizy porównawczej. Warszawa: SGH.
  12. Piasny J. (1993). Problem jakości życia ludności oraz źródła i mierniki ich określania. Poznań: Ruch Pracowniczy, Ekonomiczny i Socjologiczny.
  13. Santos, J.M., Embrechts, M. (2009). On the Use of the Adjusted Rand Index as a Metric for Evaluating Supervised Classification. Lecture Notes in Computer Science, vol. 5769. Artificial Neural Networks - ICANN.
  14. Strahl, D. (red.) (2006). Metody oceny rozwoju regionalnego. Wrocław: Wydawnictwo Akademii Ekonomicznej im. Oskara Langego.
  15. Suchecki, B. (red.) (2010). Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych. Warszawa: Wydawnictwo C.H. Beck.
  16. UNESCO (2008). IDAMS. Internationally Developed Data Analysis and Management Software Package. Paris: United Nations Educational, Scientific and Cultural Organization.
  17. Zeliaś, A. (2000). Metody statystyczne. Warszawa: PWE.
  18. Zeliaś, A. (2004). Poziom życia w Polsce i krajach Unii Europejskiej. Warszawa: PWE.
  19. Zienkowski, L. (1979). Poziom życia. Metody mierzenia i oceny. Warszawa: PWE.
Cytowane przez
Pokaż
ISSN
0043-518X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu