Andrzej Młodak , Tomasz Józefowski , Łukasz Wawrowski
ARTYKUŁ

(Polski) PDF

STRESZCZENIE

W artykule opisano możliwości wykorzystania metod taksonomicznych do konstrukcji kompleksowych mierników poziomu ubóstwa. Mogą one służyć jako zmienne pomocnicze w estymacji wskaźników ubóstwa na różnych poziomach przestrzennych. Zastąpienie szeregu zmiennych objaśniających przez jeden starannie wyznaczony miernik syntetyczny ułatwia dokonanie estymacji, a przy tym pozwala spojrzeć na każdy model jako na integralną całość. Konstrukcję mierników kompleksowych do różnych zbiorów danych oparto na podejściu wykorzystującym metodę odwróconej macierzy korelacji w procesie weryfikacji korelacyjnej, medianę Webera w normalizacji oraz na wzorcu rozwojowym. Zbiory te miały zarówno charakter jednolitych, jak również bardzo obszernych i zróżnicowanych dziedzinowo zasobów. W drugim przypadku zastosowano podejście wielokryterialne. Rozpatrywane dane miały formę panelową, co wymagało zmodyfikowania tradycyjnego podejścia w zakresie weryfikacji zmiennościowej i korelacyjnej. W opracowaniu ukazano efekty wykorzystania uzyskanych mierników w estymacji wskaźnika bardzo niskiej intensywności pracy oraz wskaźnika pogłębionej deprywacji materialnej, dokonanej przy użyciu modelu Faya-Herriota. Porównano je też z wynikami estymacji bezpośredniej.

SŁOWA KLUCZOWE

wskaźnik bardzo niskiej intensywności pracy, wskaźnik pogłębionej deprywacji materialnej, miernik taksonomiczny, estymacja bezpośrednia, model Faya-Herriot

BIBLIOGRAFIA

Fay R. E., Herriot R. A. (1979), Estimates of income for small places: An application of James–Stein procedures to census data, „Journal of the American Statistical Association”, Vol. 74, s. 405—410.

Malina A. (2002), Wielokryterialna taksonomia w analizie porównawczej struktur gospodarczych Polski, [w:] A. Zeliaś (red.) Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, Wydawnictwo Akademii Ekonomicznej w Krakowie, s. 305—312.

Malina A., Zeliaś A. (1998), On Building Taxonometric Measures on Living Conditions, „Statistics in Transition”, Vol. 3, s. 523—544.

Młodak A. (2005), Ocena zmienności cech statystycznych w modelu taksonomicznym, „Wiadomości Statystyczne”, nr 9, s. 5—18.

Młodak A. (2006), Analiza taksonomiczna w statystyce regionalnej, Centrum Doradztwa i Informacji DIFIN, Warszawa.

Młodak A. (2009), Historia problemu Webera, „Matematyka Stosowana”, nr 10/5, s. 3—21.

Neter J., Wasserman W., Kutner M. H. (1985), Applied Linear Statistical Models: Regression, Analysis of Variance, and Experimental Designs, Homewood, IL: Richard D. Irwin, Inc., No. 469.

Rao J. N. K. (2003), Small Area Estimation, John Wiley & Sons, Inc., Hoboken, New Jersey.

Rousseeuw P. J., Leroy A. M. (2005), Robust Regression and Outlier Detection, John Wiley & Sons, New York.

Vandev D. L. (2002), Computing of Trimmed L1–Median, Laboratory of Computer Stochastics, Institute of Mathematics, Bulgarian Academy of Sciences, Bułgaria, http://www.fmi.unisofia. bg/fmi/statist/Personal/Vandev/papers/aspap.pdf.

Zeliaś A. (2002), Some Notes on the Selection of Normalization of Diagnostic Variables, „Statistics in Transition”, Vol. 5, No. 5, s. 787—802.

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)