Pokaż uproszczony rekord

Nonlinear Principal Component Analysis for Geographically Weighted Temporal‑spatial Data

dc.contributor.authorKrzyśko, Mirosław
dc.contributor.authorŁukaszonek, Wojciech
dc.contributor.authorRatajczak, Waldemar
dc.contributor.authorWołyński, Waldemar
dc.date.accessioned2018-09-21T14:10:33Z
dc.date.available2018-09-21T14:10:33Z
dc.date.issued2018
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/25798
dc.description.abstractSchölkopf, Smola and Müller (1998) have proposed a nonlinear principal component analysis (NPCA) for fixed vector data. In this paper, we propose an extension of the aforementioned analysis to temporal‑spatial data and weighted temporal‑spatial data. To illustrate the proposed theory, data describing the condition of state of higher education in 16 Polish voivodships in the years 2002–2016 are used.en_GB
dc.description.abstractSchölkopf, Smola i Müller (1998) zaproponowali analizę nieliniowych składowych głównych (NPCA) dla ustalonych danych wektorowych. Niniejszy artykuł zawiera rozszerzenie tej metody na dane czasowo‑przestrzenne oraz czasowo‑przestrzenne geograficznie ważone. Każdy obiekt jest scharakteryzowany za pomocą macierzy Xi, rozmiaru T × p, zawierającej wartości p cech zaobserwowanych w T momentach czasowych, i = 1, …, n. Macierze te są przekształcane nieliniowo do przestrzeni Hilberta i budowana jest scentrowana macierz jądrowa. Ostatecznie macierz ta jest podstawą konstrukcji nieliniowych składowych głównych. W przypadku danych geograficznie ważonych macierz Xizostaje zastąpiona macierzą wiXi, gdzie wijest dodatnią wagą geograficzną związaną z i‑tym miejscem obserwacji, i = 1, …, n. Teoria zilustrowana jest przykładem dotyczącym stanu szkolnictwa wyższego w 16 polskich województwach, notowanego w latach 2002–2016.pl_PL
dc.language.isoenpl_PL
dc.publisherWydawnictwo Uniwersytetu Łódzkiegopl_PL
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;337
dc.subjectnonlinear principal component analysisen_GB
dc.subjectgeographically weighted dataen_GB
dc.subjecttemporal‑spatial dataen_GB
dc.subjectnieliniowa analiza składowych głównychpl_PL
dc.subjectdane geograficznie ważonepl_PL
dc.subjectdane czasowo‑przestrzennepl_PL
dc.titleNonlinear Principal Component Analysis for Geographically Weighted Temporal‑spatial Dataen_GB
dc.title.alternative
dc.typeArticlepl_PL
dc.rights.holder© Copyright by Authors, Łódź 2018; © Copyright for this edition by Uniwersytet Łódzki, Łódź 2018pl_PL
dc.page.number169-181
dc.contributor.authorAffiliationThe President Stanisław Wojciechowski State University of Applied Sciences in Kalisz, Interfaculty Institute of Mathematics and Statistics
dc.contributor.authorAffiliationThe President Stanisław Wojciechowski State University of Applied Sciences in Kalisz, Interfaculty Institute of Mathematics and Statistics
dc.contributor.authorAffiliationAdam Mickiewicz University in Poznań, Faculty of Geographical and Geological Sciences, Institute of Socio‑Economic Geography and Spatial Management
dc.contributor.authorAffiliationAdam Mickiewicz University in Poznań, Faculty of Mathematics and Computer Science, Department of Probability Theory and Mathematical Statistics
dc.identifier.eissn2353-7663
dc.referencesAnselin L. (1988), Spatial econometrics: methods and models, Kluwer Academic Publishers, Dordrecht.pl_PL
dc.referencesAnselin L. (2010), Thirty years of spatial econometrics, “Regional Science”, no. 89(1), pp. 3–25.pl_PL
dc.referencesCasetti E. (1972), Generating Models by the Expansion Method: Applications to Geographical Research, “Geographical Analysis”, no. 4(1), pp. 81–89.pl_PL
dc.referencesCharlton M., Brundson C., Demšar U., Harris P., Fotheringham A.S. (2010), Principal components analysis: From global to local, paper presented at the 13th AGILE International Conferenceon Geographic Information Science, Guimarães, Portugal.pl_PL
dc.referencesCliff A.D., Ord J.K. (1973), Spatial autocorrelation, Pion, London.pl_PL
dc.referencesDemšar U., Harris P., Brundson C., Fotheringham A.S., McLoone S. (2013), Principal Component Analysis on Spatial Data: An overview, “Annals of the Association of American Geographers”, no. 103(1), pp. 106–128.pl_PL
dc.referencesFlorek K., Łukaszewicz J., Perkal J., Steinhaus H., Zubrzycki S. (1951), Sur la liaison et la division des points d’un ensemble fini, “Colloquium Mathematicum”, no. 2, pp. 282–285.pl_PL
dc.referencesGórecki T., Krzyśko M., Waszak Ł., Wołyński W. (2018), Selected statistical methods of data analysis for multivariate functional data, “Statistical Papers”, no. 59, pp. 153–182.pl_PL
dc.referencesGórniak J. (2015), Identification of transport accessibility of Polish cities based on their transport infrastructures, “Studia Ekonomiczne. Zeszyty Naukowe UE w Katowicach”, no. 249, pp. 145–154.pl_PL
dc.referencesKruskal J.B. (1956), On the shortest spanning subtree of a graph and the traveling salesman problem, “Proceedings of the American Mathematical Society”, no. 7(1), pp. 48–50.pl_PL
dc.referencesMercer J. (1909), Functions of positive and negative type and their connection with the theory of integral equations, “Philosophical Transactions of the Royal Society of London”, Series A, no. 209, pp. 415–446.pl_PL
dc.referencesR Core Team (2017), R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, https://www.R‑project.org/ [accessed: 8.05.2018].pl_PL
dc.referencesSchölkopf B., Smola A., Müller K.R. (1998), Nonlinear component analysis as a kernel eigenvalue problem, “Neural Computation”, no. 10, pp. 1299–1319.pl_PL
dc.referencesSwamy P.A.V. (1971), Statistical inference in random coefficient regression models, Springer, Berlin.pl_PL
dc.referencesTobler W.R. (1970), A computer movie simulating urban growth in the Detroit region, “Economic Geography”, no. 46(2), pp. 234–248.pl_PL
dc.referencesWalesiak M. (2014), Data normalization in multivariate data analysis. An overview and properties, “Przegląd Statystyczny”, no. 61(4), pp. 363–372.pl_PL
dc.contributor.authorEmailmkrzysko@amu.edu.pl
dc.contributor.authorEmailw.lukaszonek@g.pl
dc.contributor.authorEmailwalrat@amu.edu.pl
dc.contributor.authorEmailwolynski@amu.edu.pl
dc.identifier.doi10.18778/0208-6018.337.11
dc.relation.volume4pl_PL
dc.subject.jelC02
dc.subject.jelC31
dc.subject.jelC38


Pliki tej pozycji

Thumbnail
Nazwa:
0_11_169-181_Krzysko M., Lukaszonek ...
Rozmiar:
754.8KB
Format:
PDF
Oglądaj/Otwórz

Pozycja umieszczona jest w następujących kolekcjach

Pokaż uproszczony rekord