Pokaż uproszczony rekord

dc.contributor.authorPośpiech, Ewa Katarzyna
dc.contributor.authorMastalerz-Kodzis, Adrianna
dc.date.accessioned2018-05-18T13:58:52Z
dc.date.available2018-05-18T13:58:52Z
dc.date.issued2018
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/24834
dc.description.abstractThe article analyses the employment characteristics. The employment rate was studied in selected regions of Europe, and subsequently, for selected variables: total population employed, women employed and men employed, classic econometric models were constructed and the necessity of including the spatial factor in the process of modelling was verified. The demographic variables and GDP per capita were chosen as explaining variables of the model. It was analysed whether including a spatial approach in the models would improve their quality. Two basic spatial models were taken into consideration: the spatial error model and the spatial lag model, the former of which turned out to be the right tool for the analyses.en_GB
dc.description.abstractW artykule analizowano zagadnienie poziomu zatrudnienia. Zbadano stopę zatrudnienia w wybranych regionach Europy, a następnie dla wybranych zmiennych – ludność pracująca ogółem, pracujące kobiety oraz pracujący mężczyźni – zbudowano klasyczne modele ekonometryczne i zweryfikowano konieczność uwzględnienia w modelowaniu badanego zjawiska czynnika przestrzennego. Jako zmienne objaśniające modelu wybrano zmienne demograficzne oraz PKB na mieszkańca. Badano, czy uwzględnienie w konstrukcji modeli podejścia przestrzennego poprawi ich jakość. W rozważaniach wzięto pod uwagę dwa podstawowe modele przestrzenne – model błędu przestrzennego oraz model opóźnienia przestrzennego, spośród których ten pierwszy okazał się dobrym narzędziem analiz.pl_PL
dc.language.isoenen_GB
dc.publisherWydawnictwo Uniwersytetu Łódzkiegoen_GB
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;335
dc.subjectspatial modellingen_GB
dc.subjectspatial error modelen_GB
dc.subjectspatial lag modelen_GB
dc.subjectemploymenten_GB
dc.subjectmodelowanie przestrzennepl_PL
dc.subjectmodel błędu przestrzennegopl_PL
dc.subjectmodel opóźnienia przestrzennegopl_PL
dc.subjectzatrudnieniepl_PL
dc.titleApplication of Spatial Regression in Employment Characteristics Modellingen_GB
dc.title.alternativeZastosowanie regresji przestrzennej do modelowania charakterystyk zatrudnieniapl_PL
dc.typeArticleen_GB
dc.rights.holder© Copyright by Authors, Łódź 2018; © Copyright for this edition by Uniwersytet Łódzki, Łódź 2018en_GB
dc.page.number63-74
dc.contributor.authorAffiliationUniversity of Economics in Katowice, Faculty of Management, Department of Statistics, Econometrics and Mathematics
dc.contributor.authorAffiliationUniversity of Economics in Katowice, Faculty of Management, Department of Statistics, Econometrics and Mathematics
dc.identifier.eissn2353-7663
dc.referencesAnselin L. (2006), Spatial Analysis with GeoDa. 4. Spatial Regression, University of Illinois, Urbana Champaign.pl_PL
dc.referencesAnselin L., Bera A. (1998), Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics, [in:] A. Ullah, D.E.A. Giles (eds.), Handbook of Applied Economic Statistics, Springer‑Verlag, Berlin.pl_PL
dc.referencesArbia G. (2006), Spatial Econometrics: Statistical Foundations and Applications to Regional Convergence, Springer‑Verlag, Berlin.pl_PL
dc.referencesCliff A.D., Ord J.K. (1981), Spatial Process: Models and Applications, Pion, London.pl_PL
dc.referencesEurostat, http://ec.europa.eu/eurostat/web/regions/data/database [accessed: 24.10.2016].pl_PL
dc.referencesKopczewska K. (2011), Ekonometria i statystyka przestrzenna z wykorzystaniem programu R Cran, CeDeWu, Warszawa.pl_PL
dc.referencesOvermars K.P., Koning G.H.J. de, Veldkamp A. (2003), Spatial autocorrelation in multi‑scale land use models, “Ecological Modelling”, no. 164, pp. 257–270, http://dx.doi.org/10.1016/S0304-3800(03)00070‑X.pl_PL
dc.referencesPietrzykowski R. (2011), Wykorzystanie metod statystycznej analizy przestrzennej w badaniach ekonomicznych, “Roczniki Ekonomiczne Kujawsko‑Pomorskiej Szkoły Wyższej w Bydgoszczy”, vol. 4, pp. 97–112.pl_PL
dc.referencesPośpiech E. (2015), Analiza przestrzenna bezrobocia w Polsce, “Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, vol. 227, pp. 59–74.pl_PL
dc.referencesPośpiech E. (2016), Modelowanie przestrzenne charakterystyk rynku pracy, “Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, vol. 265, pp. 69–79.pl_PL
dc.referencesPośpiech E., Mastalerz‑Kodzis A. (2015), Autokorelacja przestrzenna wybranych charakterystyk społeczno‑ekonomicznych, “Metody Ilościowe w Badaniach Ekonomicznych”, vol. 16, no. 4, pp. 85–94.pl_PL
dc.referencesPośpiech E., Mastalerz‑Kodzis A. (2016), Spatial and Temporal Analysis of Labour Market Characteristics, “Folia Oeconomica Stetinensia” [in print].pl_PL
dc.referencesSikora J., Woźniak A. (2007), Autokorelacja przestrzenna wskaźników infrastruktury wodno‑ściekowej woj. małopolskiego, “Infrastruktura i Ekologia Terenów Wiejskich”, vol. 4, no. 2, pp. 315–329.pl_PL
dc.referencesSuchecki B. (ed.) (2010), Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, C.H. Beck, Warszawa.pl_PL
dc.referencesTobler W. (1970), A Computer Model Simulating Urban Growth in Detroit Region, “Economic Geography”, vol. 46, no. 2, pp. 234–240.pl_PL
dc.referencesZeug‑Żebro K. (2014), Analiza przestrzenna procesu starzenia się polskiego społeczeństwa, “Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania”, vol. 36, no. 2, pp. 441–456.pl_PL
dc.contributor.authorEmailposp@ue.katowice.pl
dc.contributor.authorEmailadrianna.mastalerz-kodzis@ue.katowice.pl
dc.identifier.doi10.18778/0208-6018.335.05
dc.relation.volume3en_GB
dc.subject.jelC33
dc.subject.jelC51
dc.subject.jelC52


Pliki tej pozycji

Thumbnail

Pozycja umieszczona jest w następujących kolekcjach

Pokaż uproszczony rekord