Piotr Wójcik
ARTYKUŁ

(Polski) PDF

STRESZCZENIE

Celem artykułu jest przedstawienie nieparametrycznej metody estymacji jądrowej jako narzędzia do empirycznej weryfikacji hipotezy o konwergencji regionalnej, w tym konwergencji grup gmin (klubów). Omówiono, jak taka estymacja uzupełnia inne metody stosowane w badaniach zjawiska konwergencji. W badaniu zastosowano tę metodę do analizy konwergencji osiągnięć edukacyjnych uczniów w Polsce w okresie 2003—2013. Osiągnięcia edukacyjne zmierzono na podstawie wyników egzaminów gimnazjalnych w zakresie profilu matematyczno-przyrodniczego w układzie gmin. Badanie wskazuje na występowanie konwergencji regionalnej wyników egzaminów, przy czym w przypadku analizy okresów trzyletnich stwierdzono występowanie konwergencji klubów, w której gminy o najsłabszych rezultatach egzaminów stanowią odrębny klub.

SŁOWA KLUCZOWE

konwergencja regionalna, osiągnięcia edukacyjne, gminy, estymacja jądrowa, warunkowa funkcja gęstości, metoda adaptacyjna

BIBLIOGRAFIA

Alexandre, B.T. (2009). Introduction to Nonparametric Estimation. Springer-Verlag, New York.

Barro, R., Sala-i-Martin, X. (1992). Convergence, Journal of Political Economy, No. 100.

Botev, Z.I., Grotowski, J.F., Kroese, D.P. (2010). Kernel density estimation via diffusion. Annals of Statistics, Vol. 38, No. 5.

Chiu, S.T. (1996). A comparative Review of Bandwidth Selection for Kernel Density Estimation. Statistica Sinica, Vol. 6.

Decewicz, A. (2013). Modele Markowa w analizie dynamiki zróżnicowania regionalnego dochodu w krajach UE. Roczniki Kolegium Analiz Ekonomicznych, Vol. 30.

Durlauf, S.N., Quah, D.T. (1999). The new empirics of economic growth. W: Handbook of macroeconomics, Elsevier Science, North-Holland, Amsterdam, New York and Oxford.

Fingleton, B. (1997). Specification and testing of Markov chain models: An application to convergence in the European Union. Oxford Bulleting of Economics and Statistics, No. 59.

Heidenreich, N., Schindler, A., Sperlich, S. (2010). Bandwidth Selection Methods for Kernel Density Estimation — A Review of Performance. Pobrano z SSRN: http://ssrn.com/abstract=1726428 lub http://dx.doi.org/10.2139/ssrn.1726428.

Jeffrey, S.S. (1996). Smoothing Methods in Statistics. Springer-Verlag, New York.

Jones, M.C., Marron, J.S., Sheather, S.J. (1996). A brief survey of bandwidth selection for density estimation. Journal of the American Statistical Association, Vol. 91, No. 433.

Kulczycki, P. (2007). Estymatory jądrowe w zagadnieniach badań systemowych. W: P. Kulczycki, O. Hryniewicz, J. Kacprzyk (red.), Techniki informacyjne w badaniach systemowych (rozdział 4), WNT, Warszawa.

Łaźniewska, E., Górecki, T. (2012). Analiza konwergencji podregionów za pomocą łańcuchów Markowa. Wiadomości Statystyczne, nr 5(612).

Markowska-Przybyła, U. (2010). Konwergencja regionalna w Polsce w latach 1997—2007. Gospodarka Narodowa, nr 11—12.

Podgórska, M., Śliwka, P., Topolewski, M., Wrzosek, M. (2000). Łańcuchy Markowa w teorii i w zastosowaniach, Oficyna Wydawnicza SGH, Warszawa.

Ponzio, S., Di Gennaro, L. (2004). Growth and Markov chains: an application to Italian provinces. Research in Economics: Aims and Methodologies, Second PhD Conference in Economics, 23—25 September, Universitá di Pavia, Italy.

Quah, D. (1993). Galton’s fallacy and tests of the convergence hypothesis. Scandinavian Journal of Economics, Vol. 95, No. 4.

Quah, D. (1996a). Regional convergence clusters across Europe. European Economic Review, Vol. 40, No. 3—5.

Quah, D. (1996b). Twin peaks: Growth and convergence in models of distribution dynamics. Economic Journal, Vol. 106.

Sala-i-Martin, X. (1996). The Classical Approach to Convergence Analysis. The Economic Journal, Vol. 106, No. 437.

Do góry
© 2019-2022 Copyright by Główny Urząd Statystyczny, pewne prawa zastrzeżone. Licencja Creative Commons Uznanie autorstwa - Na tych samych warunkach 4.0 (CC BY-SA 4.0)