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.
poziom życia, porządkowanie liniowe, klasyfikacja obiektów, autokreacja przestrzenna
C21, I39
Balicki, A. (2009). Statystyczna analiza wielowymiarowa i jej zastosowanie społeczno-ekonomiczne.Gdańsk: Wydawnictwo Uniwersytetu Gdańskiego.
Bivand, R. (1981). Modelowanie geograficznych układów czasoprzestrzennych. Warszawa-Poznań: PWN.
Bywalec, C., Rudnicki, L. (1992). Podstawy teorii i metodyki badania konsumpcji. Kraków: Akademia Ekonomiczna.
Hwang, C.L., Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Berlin Heidelberg New York: Springer Verlag.
Kalisiewicz, D. (red.) (1995). Nowa encyklopedia powszechna PWN. Tom 3. Warszawa: PWN.
Kaufman, L., Rousseeuw, P. (2005). Finding groups in data: an introduction to cluster analysis. Willey&Sons.
Kopczewska, K., (2007). Ekonometria i statystyka przestrzenna z wykorzystaniem programu R-Cran. Warszawa: CeDeWu.
Ministerstwo Rozwoju Regionalnego (2012). Strategia Rozwoju Kraju 2020. Warszawa.
Młodak, A. (2006). Analiza taksonomiczna w statystyce regionalnej. Warszawa: Difin. One Global Economy (2014), Digital Inclusion Social Impact Evaluation. Final Report. Washington.
Panek, T. (2009). Statystyczne metody wielowymiarowej analizy porównawczej. Warszawa: SGH.
Piasny J. (1993). Problem jakości życia ludności oraz źródła i mierniki ich określania. Poznań: Ruch Pracowniczy, Ekonomiczny i Socjologiczny.
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.
Strahl, D. (red.) (2006). Metody oceny rozwoju regionalnego. Wrocław: Wydawnictwo Akademii Ekonomicznej im. Oskara Langego.
Suchecki, B. (red.) (2010). Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych. Warszawa: Wydawnictwo C.H. Beck.
UNESCO (2008). IDAMS. Internationally Developed Data Analysis and Management Software Package. Paris: United Nations Educational, Scientific and Cultural Organization.
Zeliaś, A. (2000). Metody statystyczne. Warszawa: PWE.
Zeliaś, A. (2004). Poziom życia w Polsce i krajach Unii Europejskiej. Warszawa: PWE.
Zienkowski, L. (1979). Poziom życia. Metody mierzenia i oceny. Warszawa: PWE.
