Jerzy J. Parysek
ARTYKUŁ

(Polski) PDF

STRESZCZENIE

Celem artykułu jest prezentacja odpowiednio zestawionych tablic danych przestrzennych oraz sposobu ich wykorzystania w badaniach przestrzenno- -strukturalnych i funkcjonalnych. Badania dynamiczne i strukturalne nawiązują do tego, co jest istotą rzeczywistości, w jakiej żyjemy, cechującej się zmiennością zdarzeń i procesów w czasie i przestrzeni. Zebrane, niekiedy z trudem, informacje liczbowe nie zawsze są optymalnie wykorzystywane w badaniu coraz bardziej złożonej rzeczywistości. Uporządkowane w tablicach dane stanowią punkt wyjścia do prowadzenia badań dynamiczno- strukturalnych przy wykorzystaniu znanych metod analizy statystycznej. W opracowaniu przedstawiono trzy rodzaje tablic (macierzy) danych: strukturalne (jedno- i wielocechowe), funkcjonalne i relacyjne (interakcyjne). Omówiono ich zastosowanie oraz wskazano podstawowe, możliwe do wykonania procedury obliczeniowe.

SŁOWA KLUCZOWE

dane przestrzenne, badania dynamiczne, badania strukturalne, tablice strukturalne, tablice funkcjonalne, tablice relacyjne

JEL

C000, C650

BIBLIOGRAFIA

Albatineh, A. N., Niewiadomska-Bugaj, M., Mihalko, D. (2006). Correcting Jaccard and other similarity indices for chance agreement in cluster analysis. Advances in Data Analysis and Classification, 5(3), 179–200.

Anderberg, M. R. (1973). Cluster analysis for application. New York: Academic Press.

Anderson, T. W. (1958). An introduction to multivariate analysis. New York: Wiley.

Caliński, T. (1969). On the application of cluster analysis to experimental results. Bulletin of the International Statistical Institute, (42), 101–103.

Caliński, T., Harabasz, J. (1974). A dendrite method for cluster analysis. Communications in Statistics – Theory and Methods, 41(12), 2279–2280.

Chatfield, B. (2018). Introduction to multivariate analysis. New York: Routledge.

Chojnicki, Z. (1966). Zastosowanie modeli grawitacji i potencjału w badaniach przestrzenno-ekonomicznych. Warszawa: Państwowe Wydawnictwo Naukowe.

Chojnicki, Z., Czyż, T. (1973). Metody taksonomii numerycznej w regionalizacji geograficznej. Warszawa: Państwowe Wydawnictwo Naukowe.

Chojnicki, Z., Czyż, T., Ratajczak, W. (2011). Model potencjału. Podstawy teoretyczne i zastosowania w badaniach przestrzenno-ekonomicznych i regionalnych. Poznań: Bogucki Wydawnictwo Naukowe.

Dawidowski, J., Ratajczak, W., Stankowski, W. (1985). Trend powierzchniowy w zastosowaniu do określenia rzeźby i powierzchni złóż. Przegląd Geologiczny, 33(8), 425–431.

Everitt, B. S., Landau, S., Leese, M. (2001). Cluster analysis. London: Arnold.

Gnanadesikan, R. (2011). Methods for statistical data analysis of multivariate observations. New York: Wiley & Sons Inc.

Gower, J. C. (1967). A comparison of some methods of cluster analysis. Biometrics, 23(4), 623–637.

Hardle, W. K., Simar, L. (2007). Applied multivariate statistical analysis. New York: Springer.

Jajuga, K., Sokołowski, A., Bock, H. H. (2002). Classification, clustering and data analysis. New York: Springer.

Kaczmarek, Z., Parysek, J. (1977). Zastosowanie analizy wielowymiarowej w badaniach geograficzno-ekonomicznych. W: Z. Chojnicki (red.), Metody ilościowe i modele w geografii (s. 94–127). Warszawa: Państwowe Wydawnictwo Naukowe.

Karoński, M., Caliński, T. (1974a). Grupowanie cech na podstawie współczynnika korelacji. Roczniki Akademii Rolniczej w Poznaniu, (64), 95–99.

Karoński, M., Caliński, T. (1974b). Grupowanie obiektów wielocechowych na podstawie odległości euklidesowych. Roczniki Akademii Rolniczej w Poznaniu, (64), 117–122.

Kaufman, L., Rosseeuw, P. J. (2005). Finding groups in data: An introduction to cluster analysis. Wiley-Interscience: New York, John Wiley & Sons Inc.

Lance, G. N., Williams, W. T. (1966). Computer programs for hierarchical polythetic classification. The Computer Journal, 10, 373–380.

Maćkiewicz, A., Ratajczak, W. (1993). Principal components analysis. Computers and Geosciences, 19(3), 303–342.

Młodak, A., Józefowski, T., Wawrowski, Ł. (2016). Zastosowanie metod taksonomicznych w estymacji wskaźników ubóstwa. Wiadomości Statystyczne, (2), 1–24.

Morrison, D. F. (1967). Multivariate Statistical Metods. New York: McGrew-Hill.

Murtagh, F., Heck, A. (1987). Multivariate data analysis. Dordrecht: Springer Netherlands.

Orloci, L. (1967). An agglomerative method for classification of plant communities. Journal Ecological, 55(1), 193–205.

Parysek, J. (1977). The application of principal component analysis and canonical analysis to the study of socio-economic spatial structure and its changes. Quaestiones Geographicae, (4), 131–148.

Parysek, J. (1978). Zastosowanie taksonomicznej odległości Mahalanobisa w dynamicznych badaniach strukturalno-przestrzennych. Przegląd Geograficzny, 50(2), 293–308.

Parysek, J. (1980). Analiza skupień jako metoda klasyfikacji w geografii. W: Z. Chojnicki (red.), Metody taksonomiczne w geografii (s. 87–99). Warszawa–Poznań: Państwowe Wydawnictwo Naukowe.

Parysek, J. (1982). Modele klasyfikacji w geografii. Poznań: Wydawnictwo Naukowe Uniwersytetu im. A. Mickiewicza w Poznaniu.

Parysek, J., Ratajczak, W. (1978). Analiza głównych składowych cech charakteryzujących właściwości społeczno-ekonomiczne i środowisko geograficzne Polski w 1970 roku. W: Z. Chojnicki, T. Czyż, J. Parysek, W. Ratajczak (red.), Badania społeczno-ekonomicznej struktury przestrzennej Polski metodami czynnikowymi (s. 83–106). Warszawa–Poznań: Państwowe Wydawnictwo Naukowe.

Parysek, J., Ratajczak, W. (2002). Analiza składowych głównych – jej korzyści i ograniczenia z punktu widzenia badań geograficznych. W: H. Rogacki (red.), Możliwości i ograniczenia zastosowań metod badawczych w geografii społeczno-ekonomicznej i gospodarce przestrzennej (s. 61–73). Poznań: Bogucki Wydawnictwo Naukowe.

Romesburg, H. C. (2004). Cluster analysis for researchers. North Carolina: Lulu Press. Wodsworth Inc.

Silverman, B. W. (2018). Density estimation for statistics and data analysis. Routledge: New York.

Sokal, R. R., Michener, C. D. (1958). A statistical method for evaluating systematic relationships. The University of Kansas Science Bulletin, 38(22), 1409–1438.

Steinausen, D., Langer, K. (1977). Clusteranalyse. Einführung in methoden und Verfahren der automatischen Klassifikation. Berlin–New York: Walter de Gruyter.

Do góry
Copyright © 2019 Główny Urząd Statystyczny